TVM-Matematik Adam Jonsson
|
|
- Kristina Hansson
- för 5 år sedan
- Visningar:
Transkript
1 TVM-Matematik Adam Jonsson LABORATION 3 I MATEMATISK STATISTIK, S0001M REGRESSIONSANALYS I denna laboration ska du lösa ett antal uppgifter i regressionsanalys med hjälp av statistikprogrammet MINITAB. Förutom att ge träning i att lösa problem inom regressionsanalysen syftar laborationen till att ge träning i att tillämpa standardprogramvara i statistik. Litteratur: Vännman: Kompendium i regressionsanalys. Handledning för MINITAB 15. Lämna in fullständiga och läsliga lösningar till samtliga uppgifter. Varje uppgift ska innehålla fullständiga modellantaganden. Ett tips är att på varje uppgift börja med att skriva ner modellantagandet eftersom det då blir lättare att tolka kvantiteterna som efterfrågas. MINI- TAB-utskrifterna kan lämnas in som bilagor eller inklippta i texten om ni skriver i Word. Motivera tydligt tolkningarna från diagrammen och de slutsatser som görs. Laborationsredogörelsen för den första delen ska detaljgranskas av en annan laborationsgrupp på det schemalagda passet för KGB-3. Laborationsredogörelsen för hela laborationen lämnas in i pdf format senast onsdag den 14 januari 014. Första delen: Enkel linjär regression Uppgift 1 En underhållsingenjör ville beskriva reparationstiden per månad hos de maskiner hon ansvarade för och trodde att maskinens ålder (i år) och maskintypen skulle kunna användas som förklarande variabler. Två maskintyper förekom, som kallades typ A respektive typ B. Data från 0 olika maskiner samlades in. Resultatet framgår av tabell 1. Tabell 1. Reparationstid per månad (i timmar), ålder (i år) och maskintyp för 0 maskiner. Materialet är från Scheaffer & McClave: Probability and Statistics for Engineers. Ålder Maskintyp Reparationstid Ålder Maskintyp Reparationstid 1,0 A 10,0 B 10,0 A 0 4,0 B 0,7 A 30 5,0 B 30 4,1 A 40 8,0 B 44 1, A 9,4 B 9,5 A 5 5,1 B 5 1,9 A 19 3,5 B 0 5,0 A 41 7,0 B 4,1 A 4,0 B 0 1,1 A 1,1 B 13 Läs in värdena från tabell 1 i din MINITABfil eller hämta datamaterialet genom att gå till kursens Fronterrum och mappen Arkiv/Laborationer/Lab3. Filen heter REPTID.MTW. 1
2 Laboration 3 i matematisk statistik a) Använd MINITAB-kommandot Stat/Regression/Fitted Line Plot och gör en enkel linjär regression med reparationstiden som beroende (eng: response) variabel och ålder som förklarande (eng: predictor) variabel. Se till att både 95% konfidensintervall för den förväntade reparationstiden och 95% prognosintervall reparationstiden kommer med i diagrammet. Använd sedan MINITAB-kommandot Stat/Regression/Regression för att ta fram ytterligare detaljerad information om regressionsanalysen. Ange fullständigt modellantagande och dessutom den skattade regressionslinjen, residualspridningen samt förklaringsgraden. Kan de två skattade regressionskoeffienterna b 0 och b 1 ges för sammanhanget meningsfulla tolkningar? (Se s. 4 i Regressionshäftet för tolkningar av b 0 och b 1. ) Om så är fallet, ge sådana tolkningar. Om det inte går, så motivera då detta. Kan man visa att åldern har en signifikant effekt på reparationstiden? Utgå från den analys som har gjorts med hjälp av MINITAB-kommandot Stat/Regression/Regression och besvara följande fråga med hjälp av ett lämpligt test på 5% signifikansnivå. I redogörelsen ska hypoteser, testvariabel och beslutsregel framgå tydligt. b) Utgå från modellen i a). Ange, i form av ett 95% konfidensintervall hur mycket reparationstiden ändras i genomsnitt om åldern ökar med 1 år. Tolka resultatet i ord. För att få konfidensintervallet krävs viss handräkning utgående från MINITABresultatet i a). c) Använd MINITABkommandot Stat/Regression/Predict för att beräkna både ett 95% konfidensintervall för den förväntade reparationstiden och 95% prognosintervall för reparationstiden i det fall ålder är 3.0 år. Tolka intervallen i ord. d) Gör en residualplott av residualerna mot ålder. Plotta även residualerna i ett normalfördelningsdiagram. Kommentera plotterna. Verkar modellantagandet rimligt? Hur skulle modellen kunna förbättras? Uppgift I tabell nedan finns värden som beskriver hållfasthet hos asfaltbeläggning. I ett laboratorieförsök ville man undersöka hur olika egenskaper hos asfaltbeläggning påverkar beläggningens hållfasthet. Totalt studerades olika egenskaper hos asfalten som kunde användas som tänkbara förklarande variabler. Vi ska här titta på en av dessa och återkommer till de övriga i laboration 4. Som mått på hållfastheten använde man förändringen i spårdjup, mätt i inches per en miljon passerade däck. Försöket gjordes i USA, därav enheten inches. Den förklarande variabel vi ska studera här är viskositeten hos asfalten. Vi söker här en modell för att beskriva hur förändringen i spårdjup beror av viskositeten. Läs in värdena från tabell i din MINITABfil eller hämta datamaterialet genom att gå till kursens Fronterrum och mappen Arkiv/Laborationer/Lab3. Filen heter ASFALT.MTW
3 Laboration 3 i matematisk statistik Tabell. Förändringen i spårdjup, mätt i inches per en miljon passerade däck, samt viskositeten hos asfalten (mätt i lämplig enhet). Värdena kommer från ett laboratorieförsök. Observa- Förändring Viskositet Observa- Förändring i Viskositet tion i spårdjup tion spårdjup 1,75, ,7 88,00 13,00 1, ,35, ,75 1, ,44 50,00 4 1,0 3,30 0 1,0 58,00 5 8,5 1,70 1 1,10 90,00 10,7,90 0,85,00 7 7,8 3,70 3 1,0 140,00 8 1,7 1,70 4 0,5 40,00 9 1,58 0,9 5 0,7 40, , 0,8 0,47 500, ,58,00 7 0,33 180,00 1 7,00 4,30 8 0, 70,00 13,0 0,0 9 0,7 170, ,7 1, ,80 98, ,7,00 31,00 35,00 1 1,5 4,40 a) Använd MINITAB-kommandot Stat/Regression/Regression och gör en enkel linjär regression där förändringen i spårdjup ska förklaras av viskositeten. Ange fullständigt modellantagande. Vad blir den skattade regressionslinjen, residualspridningen samt förklaringsgraden? Kan man avgöra om regressionsmodellen är en bra modell utifrån dessa storheter (dvs regressionslinjen, residualspridningen samt förklaringsgraden)? Om ditt svar är ja: På vilket sätt? Om ditt svar är nej: Varför inte? b) Använd MINITABkommandot Stat/Regression/Fitted Line Plot för att göra en plott av den skattade regressionslinjen tillsammans med observationsvärdena men utan konfidensintervall och prognosintervall. Gör samtidigt en residualplott av de standardiserade residualerna mot viskositeten. Verkar modellantagandet rimligt? Om inte vad i modellantagandet är fel? Hur påverkar detta ditt svar på deluppgift a)? Uppgift 3 Plotterna i uppgift b) antyder att man bör pröva med något annat än viskositeten som förklarande variabel i sin modell. När man tittar på viskositetvärdena så ser man att de varierar från värden mindre än 1 upp till värden kring 500. När kvoten mellan största och minsta värdet är så stor så brukar det vara värt att pröva och transformera sin variabel, dvs ändra skalan. En vanlig transformation som man kan pröva är logaritmen, dvs använda log-skala. Pröva detta genom att använda logaritmen av viskositeten som ny förklarande variabel. Välj själv om du vill använda e-logaritmen eller 10-logaritmen. a) Ange fullständigt modellantagande. Använd sedan MINITABkommandot Stat/Regression/Regression och gör en enkel linjär regression med förändringen i spårdjup som beroende variabel och logaritmen av viskositeten som förklarande variabel. Vad blir nu den skattade regressionslinjen, residualspridningen samt förklaringsgraden för den förklarande variabeln? Hur har dessa storheter förändrats jämfört med den skattade modellen i uppgift a)? 3
4 Laboration 3 i matematisk statistik b) Använd MINITABkommandot Stat/Regression/Fitted Line Plot för att göra en plott av den skattade regressionslinjen tillsammans med observationsvärdena men utan konfidensintervall och prognosintervall. Gör samtidigt en residualplott av de standardiserade residualerna mot viskositeten. Ser du något mönster? Vilken förändring har skett jämfört med resultatet i uppgift b)? Verkar modellantagandet rimligt? Om inte vad i modellantagandet är fel? Uppgift 4 Resultatet i uppgift 3 b) antyder att man kan försöka att förbättra modellen något genom att pröva ytterligare transformationer. Eftersom även värdena som mäter förändringen i spårdjup varierar kraftigt så kan det vara värt att pröva att logaritmera även dessa. Använd samma logaritmfunktion som i uppgift 3. a) Ange fullständigt modellantagande. Använd sedan MINITABkommandot Stat/Regression/Regression och gör en enkel linjär regression med logaritmen av förändringen i spårdjup som beroende variabel och logaritmen av viskositeten som förklarande variabel. Vad blir nu den skattade regressionslinjen samt förklaringsgraden för den förklarande variabeln? Hur har dessa storheter förändrats jämfört med den skattade modellen i uppgift 3 a)? Observera att när man jämför den skattade modellen här med den i uppgift 3b) så kan man inte jämföra residualspridningarna eftersom den beroende variabeln är uttryckt i olika skalor i de två fallen. Däremot är förklaringsgraden dimensionslös och kan jämföras. b) Använd MINITABkommandot Stat/Regression/Fitted Line Plot för att göra en plott av den skattade regressionslinjen tillsammans med observationsvärdena men utan konfidensintervall och prognosintervall. Gör också en residualplott av residualerna mot viskositeten. Ser du något mönster? Vilken förändring har skett jämfört med resultatet i uppgift 3 b)? Verkar modellantagandet rimligt? Om inte vad i modellantagandet är fel? c) Vilken av de tre studerade modellerna för att beskriva hur förändringen i spårdjup beror av viskositeten föreslår du? Motivera ditt svar ordentligt. Redovisningen Redogörelsen för denna laboration ska göras mer utförlig än den för laboration 1 och. Laborationsredogörelsen för den första delen ska detaljgranskas av en annan laborationsgrupp på det schemalagda passet för KGB-3. Laborationsredogörelsen för hela laborationen lämnas in senast onsdag den 14 januari 015. Läs gärna igenom instruktionen för kamratgruppsbedömningen innan du skriver rapporten. Tänk på att vid redovisningen göra en snygg, överskådlig och läslig redogörelse. En slarvigt gjord redogörelse får göras om. definiera alla införda beteckningar i uppgifterna. ange fullständiga modellantaganden för varje regressionsanalys. 4
5 Laboration 3 i matematisk statistik Andra delen: Multipel regressionsanalys Uppgift 1 Betrakta återigen underhållsingenjören som ville beskriva reparationstiden beroende på ålder (se Uppgift 1 på den första delen ovan). Du kommer nu att studera ålderns effekt på reparationstiden då hänsyn tas till maskintypen. a) Bilda en dummyvariabel för maskintypen i samband med inläsning av data. Ange tydligt hur dummyvariabeln är definierad. Genomför en multipel linjär regressionsanalys med både ålder och maskintyp som förklarande variabler. Ange fullständigt modellantagande och dessutom den skattade regressionsmodellen, residualspridningen samt förklaringsgraden. Vilken effekt på reparationstiden har åldern för en fix maskintyp? Vilken effekt på reparationstiden har maskintypen för en fix ålder? Besvara frågorna utgående från den skattade modellen genom att beräkna och i ord tolka två lämpliga 95% konfidensintervall. b) Gör samtliga residualplotter som ska göras och kommentera varje residualplott. Se avsnitt 10 i Regressionskompendiet vilka fyra plotter som avses. Vilka slutsatser drar du om modellen? Motivera utförligt ditt svar. c) Kan man påvisa att effekten av ålder på reparationstiden beror på maskintypen? För att kunna besvara den frågan så ska produkten av ålder och maskintyp införas som ny förklarande variabel i modellen, d v s en samspelsterm ska läggas till modellen i a). Ange fullständigt modellantagande samt den skattade regressionsmodellen. Beskriv för vardera maskintypen hur reparationstiden beror på åldern. Besvara frågan ovan genom att genomföra ett lämpligt test på 10% signifikansnivå. Hypoteser, testvariabel, beslutsregel och slutsats skall tydligt framgå för testet. Observera att det är endast ett test som ska göras. Uppgift I uppgifter -4 i första delen beskrevs hur man i ett laboratorieförsök undersökte hur olika egenskaper hos asfaltbeläggning påverkar beläggningens hållfasthet. Som mått på hållfastheten använde man förändringen, Y, i spårdjup, mätt i inches, efter att en miljon däck passerat. Där studerades endast viskositeten, eller logaritmen av den, hos asfalten som förklarande variabel. Förutom viskositeten, X 1, misstänker man att nedanstående variabler X till X kan påverka förändringen i spårdjup. Experimentet genomfördes vid två olika tidsperioder, som kallas för 1 och. För att skilja mellan dessa tidsperioder har även en dummyvariabel införts. X1 viskositet (mätt i lämplig enhet) X andel asfalt, i procent, i ytskiktet, X andel asfalt, i procent, i basskiktet, 3 5
6 Laboration 3 i matematisk statistik X 4 andel finkornigt material, i procent, i ytskiktet, X andel porer, i procent, i ytskiktet, 5 X en dummy-variabel som antar värdet 0 vid tidsperiod 1 och värdet 1 vid tidsperiod. I tabell på sidan 4 ges värden på samtliga variabler, inklusive de som redan givits i laboration 3. Du kan hämta datamaterialet genom att gå till kursens Fronterrum och mappen Arkiv/Laborationer/Lab3. Filen heter ASFALT_STOR.MTW. I denna uppgift ska du undersöka om den skattade modellen från laboration 3 kan förbättras om man lägger till variabeln X andel asfalt i ytskiktet. Betrakta fortsättningsvis logaritmen av förändringen i spårdjup som beroende variabel. Använd dessutom logaritmen av viskositeten som förklarande variabel, istället för variabeln viskositet. a) Du skall nu genomföra en multipel linjär regressionsanalys då andel asfalt i ytskiktet tas med tillsammans med logaritmen av viskositeten som förklarande variabler. Ange fullständigt modellantagande och dessutom den skattade regressionsmodellen, residualspridningen samt förklaringsgraden. Kan man utgående från den skattade modellen påvisa att modellen från laboration 3 har förbättrats genom att den utvidgats med den nya variabeln? Besvara frågan genom att jämföra lämpliga storheter, samt med hjälp av ett lämpligt test på 5% signifikansnivå. Hypoteser, testvariabel, beslutsregel och slutsats för testet skall tydligt framgå. b) Beräkna både ett 95% konfidensintervall för det förväntade värdet hos logaritmen av förändringen i spårdjup och ett 95% prognosintervall för logaritmen av förändringen i spårdjup i det fall att viskositeten är 00 och andel asfalt i ytskiktet är 5%. (Observera att det är den icke-logaritmerade viskositeten som är 00. I modellen som studeras i denna uppgift är det den logaritmerade viskositeten som är förklarande variabel.) Transformera sedan intervallen så att de kan tolkas som förändring i spårdjup i enheten inches och tolka de två intervallen i ord. Uppgift 3 Här ska du fortsätta och arbeta med att försöka förbättra den skattade modellen från Uppgift. Fortsätt att betrakta logaritmen av förändringen i spårdjup som beroende variabel och att använda logaritmen av viskositeten som förklarande variabel istället för variabeln viskositet. a) Genomför en multipel linjär regressionsanalys med de sex variablerna logaritmen av X 1 samt X till X som förklarande variabler. Observera att variablerna X till X inte skall logaritmeras. Bör samtliga variabler ingå i modellen eller kan någon eller några uteslutas? Motivera tydligt ditt svar. b) Om någon eller några förklarande variabler kan uteslutas från modellen i a), så gör detta genom att ta bort en variabel i taget till dess att alla i modellen ingående variabler har signifikant betydelse. Använd 1% signifikansnivå. Redovisa den skattade modellen du kommer fram till, tillsammans med 99% konfidensintervall för var och en av regressionskoefficienterna för de förklarande variabler som ingår i modellen.
7 Laboration 3 i matematisk statistik c) Ange fullständigt modellantagande för modellen du kom fram till i b) och genomför en fullständig residualanalys. Kommentera varje residualplott. Finns det anledning att vara misstänksam mot något i modellantagandet? I så fall vad? d) Jämför den modell du har kommit fram till i b) med modellen i uppgift. Har modellen förbättrats? Motivera tydligt ditt svar. Redovisningen Redogörelsen för denna laboration ska göras mer utförlig än den för laboration 1 och. Laborationsredogörelsen för den första delen ska detaljgranskas av en annan laborationsgrupp på det schemalagda passet för KGB-3. Laborationsredogörelsen för hela laborationen lämnas in senast onsdag den 14 januari 015. Tänk på att vid redovisningen göra en snygg, överskådlig och läslig redogörelse. En slarvigt gjord redogörelse får göras om. definiera alla införda beteckningar i uppgifterna. ange fullständiga modellantaganden för varje regressionsanalys. 7
LABORATION 3 - Regressionsanalys
Institutionen för teknikvetenskap och matematik S0001M Matematisk statistik, LP1, HT 2015, Adam Jonsson LABORATION 3 - Regressionsanalys I denna laboration ska du lösa ett antal uppgifter i enkel regressionsanalys
Läs merLABORATION 3 - Regressionsanalys
Institutionen för teknikvetenskap och matematik S0001M Matematisk statistik LABORATION 3 - Regressionsanalys I denna laboration ska du lösa ett antal uppgifter i regressionsanalys med hjälp av statistik-programmet
Läs mertentaplugg.nu av studenter för studenter
tentaplugg.nu av studenter för studenter Kurskod Kursnamn SM Matematisk statistik Datum LP - Material Laboration 4 Kursexaminator Adam Betygsgränser Tentamenspoäng Övrig kommentar Försättsblad inlämningsuppgift
Läs mertentaplugg.nu av studenter för studenter
tentaplugg.nu av studenter för studenter Kurskod Kursnamn SM Matematisk statistik Datum LP - Material Laboration Kursexaminator Adam Betygsgränser Tentamenspoäng Övrig kommentar Försättsblad inlämningsuppgift
Läs merInstitutionen för teknikvetenskap och matematik, S0001M LABORATION 2
Institutionen för teknikvetenskap och matematik, S0001M LABORATION 2 Laborationen avser att illustrera användandet av normalfördelningsdiagram, konfidensintervall vid jämförelser samt teckentest. En viktig
Läs merMatematisk statistik, Föreläsning 5
Matematisk statistik, Föreläsning 5 Ove Edlund LTU 2011-12-09 Ove Edlund (LTU) Matematisk statistik, Föreläsning 5 2011-12-09 1 / 25 Laboration 4 Jobba i grupper med storlek 2 Ove Edlund (LTU) Matematisk
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (8 uppgifter) Tentamensdatum 2011-03-25 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 09.00 14.00 Lärare: Adam Jonsson, Erland
Läs merInstruktioner till Inlämningsuppgift 1 och Datorövning 1
STOCKHOLMS UNIVERSITET HT 2005 Statistiska institutionen 2005-10-14 MC Instruktioner till Inlämningsuppgift 1 och Datorövning 1 Kurs i Ekonometri, 5 poäng. Uppgiften ingår i examinationen för kursen och
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (10 uppgifter) Tentamensdatum 2014-10-28 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 09.00 14.00 Lärare: A. Jonsson, M. Shykula,
Läs merMatematikcentrum 1(4) Matematisk Statistik Lunds Universitet MASB11 HT10. Laboration. Regressionsanalys (Sambandsanalys)
Matematikcentrum 1(4) Matematisk Statistik Lunds Universitet MASB11 HT10 Laboration Regressionsanalys (Sambandsanalys) Grupp A: 2010-11-24, 13.15 15.00 Grupp B: 2010-11-24, 15.15 17.00 Grupp C: 2010-11-25,
Läs merTentamen i Matematisk statistik Ämneskod-linje S0001M. Tentamensdatum Poäng totalt för del 2 30 (3 uppgifter) Skrivtid
Tentamen i Matematisk statistik Ämneskod-linje S000M Poäng totalt för del 25 (8 uppgifter) Poäng totalt för del 2 30 (3 uppgifter) Tentamensdatum 2009-06-02 Kerstin Vännman Lärare: Ove Edlund Hans Johansson
Läs merDatorövning 5 Exponentiella modeller och elasticitetssamband
Datorövning 5 Exponentiella modeller och elasticitetssamband Datorövningen utförs i grupper om två personer. I denna datorövning skall ni använda Minitab för att 1. anpassa och tolka analysen av en exponentiell
Läs mera) Vad är sannolikheten att det tar mer än 6 sekunder för programmet att starta?
Tentamen i Matematisk statistik, S0001M, del 1, 2008-01-18 1. Ett företag som köper enheter från en underleverantör vet av erfarenhet att en viss andel av enheterna kommer att vara felaktiga. Sannolikheten
Läs merTentamen i Matematisk statistik Ämneskod-linje S0001M. Tentamensdatum Poäng totalt för del 2 30 (3 uppgifter) Skrivtid
Tentamen i Matematisk statistik Ämneskod-linje S0001M Poäng totalt för del 1 5 (8 uppgifter) Poäng totalt för del 30 (3 uppgifter) Tentamensdatum 010-03-6 Erland Gadde Lärare: Adam Jonsson Lennart Karlberg
Läs merLaboration 2: Normalfo rdelning, regressionsanalys och korstabeller
S0004M Statistik 1 Undersökningsmetodik. Laboration 2: Normalfo rdelning, regressionsanalys och korstabeller Till denna laboration ska det angivna datamaterialet användas och bearbetas med den statistiska
Läs merSTOCKHOLMS UNIVERSITET VT 2011 Avd. Matematisk statistik GB DATORLABORATION 3: MULTIPEL REGRESSION.
MATEMATISKA INSTITUTIONEN Tillämpad statistisk analys, GN STOCKHOLMS UNIVERSITET VT 2011 Avd. Matematisk statistik GB 2011-04-13 DATORLABORATION 3: MULTIPEL REGRESSION. Under Instruktioner och data på
Läs merInstruktioner till Frivillig Inlämningsuppgift 2 och Datorövning 3-4. Fortsättningskurs i statistik, moment 1, Statistisk Teori, 10 poäng.
STOCKHOLMS UNIVERSITET HT 2005 Statistiska institutionen 2005-10-12 MC Instruktioner till Frivillig Inlämningsuppgift 2 och Datorövning 3-4 Fortsättningskurs i statistik, moment 1, Statistisk Teori, 10
Läs merLaboration 5: Regressionsanalys. 1 Förberedelseuppgifter. 2 Enkel linjär regression DATORLABORATION 5 MATEMATISK STATISTIK FÖR I, FMS 012, HT-08
LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK Laboration 5: Regressionsanalys DATORLABORATION 5 MATEMATISK STATISTIK FÖR I, FMS 012, HT-08 Syftet med den här laborationen är att du skall
Läs merGör uppgift 6.10 i arbetsmaterialet (ingår på övningen 16 maj). För 10 torskar har vi värden på variablerna Längd (cm) och Ålder (år).
Matematikcentrum Matematisk statistik MASB11: BIOSTATISTISK GRUNDKURS DATORLABORATION 4, 21 MAJ 2018 REGRESSION OCH FORTSÄTTNING PÅ MINIPROJEKT II Syfte Syftet med dagens laboration är att du ska bekanta
Läs merKursboken Vännman: Matematisk statistik Kompletterande kursmaterial till kursen Matematisk statistik (formelblad och kompendiet Regressionsanalys.
Tentamen i Matematisk statistik Ämneskod-linje S0001M Poäng totalt för del 1 5 (8 uppgifter) Poäng totalt för del 0 ( uppgifter) Tentamensdatum 009-10-6 Adam Jonsson Lärare: Lennart Karlberg Robert Lundqvist
Läs merF18 MULTIPEL LINJÄR REGRESSION, FORTS. (NCT
Stat. teori gk, ht 006, JW F18 MULTIPEL LINJÄR REGRESSION, FORTS. (NCT 1.1, 13.1-13.6, 13.8-13.9) Modell för multipel linjär regression Modellantaganden: 1) x-värdena är fixa. ) Varje y i (i = 1,, n) är
Läs merLaboration 2: Styrkefunktion samt Regression
Lunds Tekniska Högskola Matematikcentrum Matematisk statistik Laboration 2 Styrkefunktion & Regression FMSF70&MASB02, HT19 Laboration 2: Styrkefunktion samt Regression Syfte Styrkefunktion Syftet med dagens
Läs mer732G71 Statistik B. Föreläsning 4. Bertil Wegmann. November 11, IDA, Linköpings universitet
732G71 Statistik B Föreläsning 4 Bertil Wegmann IDA, Linköpings universitet November 11, 2016 Bertil Wegmann (IDA, LiU) 732G71, Statistik B November 11, 2016 1 / 34 Kap. 5.1, korrelationsmatris En korrelationsmatris
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (10 uppgifter) Tentamensdatum 2016-06-03 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 9.00 14.00 Lärare: Adam Jonsson Jourhavande
Läs merRegressions- och Tidsserieanalys - F4
Regressions- och Tidsserieanalys - F4 Modellbygge och residualanalys. Kap 5.1-5.4 (t.o.m. halva s 257), ej C-statistic s 23. Linda Wänström Linköpings universitet Wänström (Linköpings universitet) F4 1
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (10 uppgifter) Tentamensdatum 2013-03-28 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 09.00 14.00 Lärare: Adam Jonsson Jourhavande
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (10 uppgifter) Tentamensdatum 2012-10-30 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 09.00 14.00 Lärare: Adam Jonsson och
Läs merSyftet med den här laborationen är att du skall bli mer förtrogen med det i praktiken kanske viktigaste området inom kursen nämligen
LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK DATORLABORATION 6 MATEMATISK STATISTIK, AK FÖR I, FMS 120, HT-00 Laboration 6: Regression Syftet med den här laborationen är att du skall bli
Läs merDatorövning 1 Enkel linjär regressionsanalys
Datorövning 1 Enkel linjär regressionsanalys Datorövningen utförs i grupper om två personer. I denna datorövning skall ni använda Excel och Minitab för att 1. få en visuell uppfattning om vad ett regressionssamband
Läs merResidualanalys. Finansiell statistik, vt-05. Normalfördelade? Normalfördelade? För modellen
Residualanalys För modellen Johan Koskinen, Statistiska institutionen, Stockholms universitet Finansiell statistik, vt-5 F7 regressionsanalys antog vi att ε, ε,..., ε är oberoende likafördelade N(,σ Då
Läs merAtt göra före det schemalagda labpasset.
Institutionen för teknikvetenskap och matematik S0001M Matematisk statistik LABORATION 1 Laborationen avser att illustrera några grundläggande begrepp inom beskrivande statistik och explorativ dataanalys.
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (9 uppgifter) Tentamensdatum 2011-10-25 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 09.00 14.00 Lärare: Adam Jonsson, Lennart
Läs merF19, (Multipel linjär regression forts) och F20, Chi-två test.
Partiella t-test F19, (Multipel linjär regression forts) och F20, Chi-två test. Christian Tallberg Statistiska institutionen Stockholms universitet Då man testar om en enskild variabel X i skall vara med
Läs merLaboration 4 R-versionen
Matematikcentrum 1(5) Matematisk Statistik Lunds Universitet MASB11 VT13, lp3 Laboration 4 R-versionen Regressionsanalys 2013-03-07 Syftet med laborationen är att vi skall bekanta oss med lite av de funktioner
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (10 uppgifter) Tentamensdatum 2015-01-16 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 09.00 14.00 Lärare: A. Jonsson, M. Shykula,
Läs merSänkningen av parasitnivåerna i blodet
4.1 Oberoende (x-axeln) Kön Kön Längd Ålder Dos Dos C max Parasitnivå i blodet Beroende (y-axeln) Längd Vikt Vikt Vikt C max Sänkningen av parasitnivåerna i blodet Sänkningen av parasitnivåerna i blodet
Läs merFöreläsning 2. Kap 3,7-3,8 4,1-4,6 5,2 5,3
Föreläsning Kap 3,7-3,8 4,1-4,6 5, 5,3 1 Kap 3,7 och 3,8 Hur bra är modellen som vi har anpassat? Vi bedömer modellen med hjälp av ett antal kriterier: visuell bedömning, om möjligt F-test, signifikanstest
Läs merMultipel Regressionsmodellen
Multipel Regressionsmodellen Koefficienterna i multipel regression skattas från ett stickprov enligt: Multipel Regressionsmodell med k förklarande variabler: Skattad (predicerad) Värde på y y ˆ = b + b
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (10 uppgifter) Tentamensdatum 2014-06-05 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 09.00 14.00 Lärare: Adam Jonsson, Jesper
Läs mer10.1 Enkel linjär regression
Exempel: Hur mycket dragkraft behövs för att en halvledare skall lossna från sin sockel vid olika längder på halvledarens ben. De halvledare vi betraktar är av samma storlek (bortsett benlängden). 70 Scatterplot
Läs merLaboration 4: Lineär regression
LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK MATEMATISK STATISTIK, AK FÖR BYGG, FMS 601, HT-08 Laboration 4: Lineär regression 1 Syfte Denna laboration handlar om regressionsanalys och
Läs merEnkel linjär regression: skattning, diagnostik, prediktion. Multipel regression: modellval, indikatorvariabler
UPPSALA UNIVESITET Matematiska institutionen Jesper ydén Matematisk statistik 1MS026 vt 2014 DATOÖVNING MED : EGESSION I den här datorövningen studeras följande moment: Enkel linjär regression: skattning,
Läs mer1 Förberedelseuppgifter
LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK LABORATION 2 MATEMATISK STATISTIK FÖR B, K, N, BME OCH KEMISTER; FMS086 & MASB02 Syfte: Syftet med dagens laborationen är att du skall: bli
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (8 uppgifter) Tentamensdatum 2012-01-13 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 09.00 14.00 Lärare: Adam Jonsson, Ove
Läs merSTOCKHOLMS UNIVERSITET HT 2008 Statistiska institutionen Linda Wänström. Omtentamen i Regressionsanalys
STOCKHOLMS UNIVERSITET HT 2008 Statistiska institutionen Linda Wänström Omtentamen i Regressionsanalys 2009-01-08 Skrivtid: 9.00-14.00 Godkända hjälpmedel: Miniräknare utan lagrade formler. Tentamen består
Läs merObligatorisk uppgift, del 1
Obligatorisk uppgift, del 1 Uppgiften består av tre sannolikhetsproblem, som skall lösas med hjälp av miniräknare och tabellsamling. 1. Vid tillverkning av en produkt är felfrekvensen 0,02, dvs sannolikheten
Läs merLaboration 2 multipel linjär regression
Laboration 2 multipel linjär regression I denna datorövning skall ni 1. analysera data enligt en multipel regressionsmodell, dvs. inkludera flera förklarande variabler i en regressionsmodell 2. studera
Läs merförstå modellen enkel linjär regression och de antaganden man gör i den Laborationen är dessutom en direkt förberedelse inför Miniprojekt II.
Lunds tekniska högskola Matematikcentrum Matematisk statistik FMSF25: MATEMATISK STATISTIK KOMPLETTERANDE PROJEKT DATORLABORATION 2, 6 DECEMBER 2017 Syfte Syftet med den här laborationen är att du ska
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (10 uppgifter) Tentamensdatum 2012-06-02 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 09.00 14.00 Lärare: Ove Edlund och Inge
Läs merRegressions- och Tidsserieanalys - F1
Regressions- och Tidsserieanalys - F1 Kap 3: Enkel linjär regression Linda Wänström Linköpings universitet May 4, 2015 Wänström (Linköpings universitet) F1 May 4, 2015 1 / 25 Regressions- och tidsserieanalys,
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod SM Poäng totalt för del : 5 (9 uppgifter) Tentamensdatum -3-3 Poäng totalt för del : 3 (3 uppgifter) Skrivtid 9. 4. Lärare: Adam Jonsson och Inge Söderkvist Jourhavande
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (6 uppgifter) Tentamensdatum 2010-06-04 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 09.00 14.00 Lärare: Ove Edlund Adam Jonsson
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (10 uppgifter) Tentamensdatum 2019-01-18 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 9.00 14.00 Lärare: Adam Jonsson, Mykola
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (10 uppgifter) Tentamensdatum 2017-10-25 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 9.00 14.00 Lärare: Mykola Shykula, Lennart
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (7 uppgifter) Tentamensdatum 2011-01-14 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 09.00 14.00 Lärare: Adam Jonsson och
Läs merLaboration 4 Regressionsanalys
Matematikcentrum Matematisk Statistik Lunds Universitet MASB11 VT14, lp4 Laboration 4 Regressionsanalys 2014-05-21/23 Syftet med laborationen är att vi skall bekanta oss med lite av de funktioner som finns
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (10 uppgifter) Tentamensdatum 2017-08-22 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 9.00 14.00 Jourhavande lärare: Mykola
Läs merLaboration 5: Regressionsanalys. 1 Förberedelseuppgifter. 2 Enkel linjär regression LABORATION 5 MATEMATISK STATISTIK AK FÖR CDE, FMS012, VT08
LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK LABORATION 5 MATEMATISK STATISTIK AK FÖR CDE, FMS012, VT08 Laboration 5: Regressionsanalys Syftet med den här laborationen är att du skall
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (10 uppgifter) Tentamensdatum 2013-10-29 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 09.00 14.00 Lärare: Adam Jonsson, Mykola
Läs merUnder denna laboration kommer regression i olika former att tas upp. Laborationen består av fyra större deluppgifter.
Laboration 5 Under denna laboration kommer regression i olika former att tas upp. Laborationen består av fyra större deluppgifter. Deluppgift 1: Enkel linjär regression Övning Under denna uppgift ska enkel
Läs merRegressions- och Tidsserieanalys - F3
Regressions- och Tidsserieanalys - F3 Multipel regressionsanalys kap 4.8-4.10 Linda Wänström Linköpings universitet 7 maj Wänström (Linköpings universitet) F3 7 maj 1 / 26 Lite som vi inte hann med när
Läs merFöreläsning 8. NDAB02 Statistik; teori och tillämpning i biologi
Föreläsning 8 Statistik; teori och tillämpning i biologi 1 Dagens föreläsning o Enkel linjär regression (kap 17.1 17.5) o Skatta regressionslinje (kap 17.2) o Signifikant lutning? (kap 17.3, 17.5a) o Förklaringsgrad
Läs merDel 2 tillsammans med förberedelsefrågor - tid för inlämning och återlämning meddelas senare.
STOCKHOLMS UNIVERSITET Statistiska institutionen VT 2009 Tatjana Pavlenko och Bertil Wegmann OBLIGATORISK INLÄMNINGSUPPGIFT STATISTISK TEORI, GK 10 och GK 20:2, heltid, VT 2009 Den obligatoriska inlämningsuppgiften,
Läs merLaboration 2 Inferens S0005M VT16
Laboration 2 Inferens S0005M VT16 Allmänt Arbeta i grupper om 2-3 personer. Flertalet av uppgifterna är tänkta att lösas med hjälp av Minitab. Ett lärarlett pass i datorsal finns schemalagt. Var gärna
Läs merKompletterande kursmaterial till kursen Matematisk statistik.
Tentamen i Matematisk statistik Ämneskod-linje S000M Poäng totalt för del 5 (8 uppgifter) Poäng totalt för del 30 (3 uppgifter) Tentamensdatum 008-0-7 Robert Lundqvist Lärare: Ove Edlund Skrivtid 09.00-4.00
Läs merRegressions- och Tidsserieanalys - F1
Regressions- och Tidsserieanalys - F1 Kap 3: Enkel linjär regression Linda Wänström Linköpings universitet November 4, 2013 Wänström (Linköpings universitet) F1 November 4, 2013 1 / 25 Statistik B, 8 hp
Läs merFöreläsning G60 Statistiska metoder
Föreläsning 9 Statistiska metoder 1 Dagens föreläsning o Regression Regressionsmodell Signifikant lutning? Prognoser Konfidensintervall Prediktionsintervall Tolka Minitab-utskrifter o Sammanfattning Exempel
Läs merTAMS65 - Seminarium 4 Regressionsanalys
TAMS65 - Seminarium 4 Regressionsanalys Martin Singull Matematisk statistik Matematiska institutionen Problem 1 PS29 Vid ett test av bromsarna på en bil bromsades bilen upprepade gånger från en hastighet
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (10 uppgifter) Tentamensdatum 2019-06-07 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 9.00 14.00 Lärare: Adam Jonsson Jourhavande
Läs merStatistik B Regressions- och tidsserieanalys Föreläsning 1
Statistik B Regressions- och tidsserieanalys Föreläsning Kurskod: 732G7, 8 hp Lärare och examinator: Ann-Charlotte (Lotta) Hallberg Lärare och lektionsledare: Isak Hietala Labassistenter Kap 3,-3,6. Läs
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (10 uppgifter) Tentamensdatum 2015-10-23 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 09.00 14.00 Lärare: Jesper Martinsson,
Läs merMetod och teori. Statistik för naturvetare Umeå universitet
Statistik för naturvetare -6-8 Metod och teori Uppgift Uppgiften är att undersöka hur hjärtfrekvensen hos en person påverkas av dennes kroppstemperatur. Detta görs genom enkel linjär regression. Låt signifikansnivån
Läs merLaboration 2 Inferens S0005M VT18
Laboration 2 Inferens S0005M VT18 Allmänt Arbeta i grupper om 2-3 personer. Flertalet av uppgifterna är tänkta att lösas med hjälp av Minitab. Ett lärarlett pass i datorsal finns schemalagt. Var gärna
Läs merTentamen för kursen. Linjära statistiska modeller. 16 augusti 2007 9 14
STOCKHOLMS UNIVERSITET MATEMATISK STATISTIK Tentamen för kursen Linjära statistiska modeller 16 augusti 2007 9 14 Examinator: Anders Björkström, tel. 16 45 54, bjorks@math.su.se Återlämning: Rum 312, hus
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (11 uppgifter) Tentamensdatum 2014-03-28 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 09.00 14.00 Lärare: Adam Jonsson, Inge
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (9 uppgifter) Tentamensdatum 2010-10-27 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 09.00 14.00 Lärare: Adam Jonsson, Erland
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (10 uppgifter) Tentamensdatum 2014-01-17 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 15.00 20.00 Lärare: Adam Jonsson, Mykola
Läs merRegressions- och Tidsserieanalys - F7
Regressions- och Tidsserieanalys - F7 Tidsserieregression, kap 6.1-6.4 Linda Wänström Linköpings universitet November 25 Wänström (Linköpings universitet) F7 November 25 1 / 28 Tidsserieregressionsanalys
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (9 uppgifter) Tentamensdatum 2013-08-27 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 09.00 14.00 Lärare: Adam Jonsson och
Läs merMatematisk statistik kompletterande projekt, FMSF25 Övning om regression
Lunds tekniska högskola, Matematikcentrum, Matematisk statistik Matematisk statistik kompletterande projekt, FMSF Övning om regression Denna övningslapp behandlar regression och är tänkt som förberedelse
Läs merFöreläsning G60 Statistiska metoder
Föreläsning 3 Statistiska metoder 1 Dagens föreläsning o Samband mellan två kvantitativa variabler Matematiska samband Statistiska samband o Korrelation Svaga och starka samband När beräkna korrelation?
Läs merTAMS 28 DATORÖVNING 2
TAMS 28 DATORÖVNING 2 Datorövningen behandlar enkel och multipel linjär regression. Du kommer att använda filerna syra.mpj, fosfat.mpj, smog.mpj och mogel.mpj. Om regressionskommandot: Det underlättar
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (10 uppgifter) Tentamensdatum 2017-06-02 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 9.00 14.00 Lärare: Mikael Stenlund Examinator:
Läs merValfri räknedosa, kursbok (Kutner m fl) utan anteckningar. Tentamen omfattar totalt 20p. Godkänt från 12p.
Tentamen Linköpings Universitet, Institutionen för datavetenskap, Statistik Kurskod och namn: Datum och tid: Jourhavande lärare: Tillåtna hjälpmedel: Betygsgränser: 732G21 Sambandsmodeller 2009-01-14,
Läs merLäs noggrant informationen nedan innan du börjar skriva tentamen
Tentamen i Statistik 1: Undersökningsmetodik Ämneskod S0006M Totala antalet uppgifter: Totala antalet poäng Lärare: 5 25 Mykola Shykula, Inge Söderkvist, Ove Edlund, Niklas Grip Tentamensdatum 2014-03-26
Läs merStudiehandledning S0001M Matematisk statistik Läsperiod 2, Ht 2013
Studiehandledning S0001M Matematisk statistik Läsperiod 2, Ht 2013 Innehåll 1 Kursöversikt, mål och litteratur 2 2 Kursupplägg 3 2.1 Lektionsundervisning i samarbetsgrupper........... 3 2.2 Webbuppgifter..........................
Läs merTentamen i Matematisk statistik Kurskod S0001M
Tentamen i Matematisk statistik Kurskod S0001M Poäng totalt för del 1: 25 (10 uppgifter) Tentamensdatum 2016-01-15 Poäng totalt för del 2: 30 (3 uppgifter) Skrivtid 15.00 20.00 Lärare: A Jonsson, J Martinsson,
Läs merRegressionsanalys av lägenhetspriser i Spånga
Regressionsanalys av lägenhetspriser i Spånga Mahamed Saeid Ali Kandidatuppsats i matematisk statistik Bachelor Thesis in Mathematical Statistics Kandidatuppsats 2016:11 Matematisk statistik Juni 2016
Läs merResultatet läggs in i ladok senast 13 juni 2014.
Matematisk statistik Tentamen: 214 6 2 kl 14 19 FMS 35 Matematisk statistik AK för M, 7.5 hp Till Del A skall endast svar lämnas. Samtliga svar skall skrivas på ett och samma papper. Övriga uppgifter fordrar
Läs merInStat Exempel 4 Korrelation och Regression
InStat Exempel 4 Korrelation och Regression Vi ska analysera ett datamaterial som innehåller information om kön, längd och vikt för 2000 personer. Materialet är jämnt fördelat mellan könen (1000 män och
Läs merTENTAMEN I MATEMATISK STATISTIK
UMEÅ UNIVERSITET Institutionen för matematisk statistik Regressions- och variansanalys, 5 poäng MSTA35 Leif Nilsson TENTAMEN 2003-01-10 TENTAMEN I MATEMATISK STATISTIK Regressions- och variansanalys, 5
Läs merExaminationsuppgifter del 2
UMEÅ UNIVERSITET Institutionen för Matematik och Matematisk statistisk Statistik för ingenjörer, poäng, Anders Lundquist 7-- Examinationsuppgifter del Redovisas muntligt den / (Ö-vik) samt / (Lycksele).
Läs merLUNDS UNIVERSITET STATISTISKA INSTITUTIONEN MATS HAGNELL. Skrivning i ekonometri onsdagen den 1 juni 2011
LUNDS UNIVERSITET STATISTISKA INSTITUTIONEN MATS HAGNELL STAB2 Skrivning i ekonometri onsdagen den 1 juni 211 1. Vi vill undersöka hur variationen i försäljningspriset för ett hus (i en liten stad i USA
Läs merSkrivning i ekonometri lördagen den 29 mars 2008
LUNDS UNIVERSITET STATISTISKA INSTITUTIONEN MATS HAGNELL STAB, Ekonometri Skrivning i ekonometri lördagen den 9 mars 8.Vi vill undersöka hur variationen i antal arbetande timmar för gifta kvinnor i Michigan
Läs merSTOCKHOLMS UNIVERSITET HT 2006 Statistiska institutionen Jan Hagberg, Bo Rydén, Christian Tallberg, Jan Wretman
STOCKHOLMS UNIVERSITET HT 2006 Statistiska institutionen Jan Hagberg, Bo Rydén, Christian Tallberg, Jan Wretman OBLIGATORISK INLÄMNINGSUPPGIFT STATISTISK TEORI, GK 10 och GK 20:2, heltid, HT 2006 Den obligatoriska
Läs merFöreläsning 9. NDAB02 Statistik; teori och tillämpning i biologi
Föreläsning 9 Statistik; teori och tillämpning i biologi 1 (kap. 20) Introduktion I föregående föreläsning diskuterades enkel linjär regression, där en oberoende variabel X förklarar variationen hos en
Läs merTAMS65 DATORÖVNING 2
TAMS65 DATORÖVNING 2 Datorövningen behandlar multipel linjär regression Förberedelser Läs allmänt om regressionsanalys i boken och på föreläsningsanteckningarna Glöm inte att rensa minnet och alla fönster
Läs merFACIT (korrekta svar i röd fetstil)
v. 2013-01-14 Statistik, 3hp PROTOKOLL FACIT (korrekta svar i röd fetstil) Datorlaboration 2 Konfidensintervall & hypotesprövning Syftet med denna laboration är att ni med hjälp av MS Excel ska fortsätta
Läs merLaboration 3: Enkel linjär regression och korrelationsanalys
STOCKHOLMS UNIVERSITET 13 februari 2009 Matematiska institutionen Avd. för matematisk statistik Gudrun Brattström Laboration 3: Enkel linjär regression och korrelationsanalys I sista datorövningen kommer
Läs mer